A novel intelligent machine learning system for coronary heart disease diagnosis
Başlık çevirisi mevcut değil.
- Tez No: 775544
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Özet yok.
Özet (Çeviri)
As one of the most prevalent forms of heart disease, coronary heart disease (CHD) is a major health concern. Since heart illness can strike at any time, a thorough screening process is essential. In this study, we explore a recent approach to CHD diagnosis that makes use of classifier ensembles, a technique for optimizing machine learning. To improve our framework's efficiency, we employed the Feature-Selector optimization model to pick the optimal subset of CHD traits. To address the issue of unbalanced CHD data, we next employed optimal SMOTE over-sampling, a very effective approach using an optimization model. The classmark estimate from three different optimization learners (random forest, XGBoost API optimization, and the SVM optimization model) is integrated in a stacked architecture. Those with coronary heart disease are utilized to put the recognition model through its paces. Finally, when compared to existing detection models based on optimization model ensembles and individual classifiers, ours exhibited superior accuracy, F1, and ROC-Curve. We achieved 91% accuracy using random forest optimization, and 90 percent accuracy using the XGBoost API optimization model. In comparison to previous studies published in the literature, this study shows that our proposed model has a significant effect.
Benzer Tezler
- Reinforcement learning-driven ensemble neural networks for heart disease prediction
Kalp hastalığı tahmini için takviyeli öğrenme tabanlı topluluk sinir ağları
ÖZGE HÜSNİYE NAMLI DAĞ
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Koroner arter hastalığının makine öğrenmesi teknikleriyle teşhisi
Diagnosis of coronary artery disease using machine learning techniques
ŞÜKRÜ ALKAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Machine learning approach to create intelligent decision-maker system
Akıllı karar verme sistemleri oluşturmak için makine öğrenimi yaklaşımı
GÖZDE BAKIRLI
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DERYA BİRANT
- A novel hybrid instruction detection system for IOT networks combining feature selection and hyperparameter optimization via GA and SVM
GA ve SVM aracılığıyla özellik seçimi ve hiperparametre optimizasyonunu birleştiren nesnelerin ağları için yeni bir hibrit talimat tespit sistemi
HUSSEIN MOHAMMED HOODI AL-RAMMAHI
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM